根据滚动日期内存在的条件创建新列

Question

为了使这个问题更笼统，我相信它也可以改写为：创建一个滚动的时间敏感因子变量。虽然这是一个不常见的要求，但这可以用于许多不同的数据源。

我有一系列non-uniform time data，每天有超过 1 条记录，供成千上万的用户使用。我想创建一个新列 player_type 来跟踪他们行为的滚动 30 天定义。行为由他们玩的游戏定义； 'games' 列是gameA、gameB的一个因子。

因此存在三种类型的行为：

1. 独家玩游戏A - 'A'
2. 独家玩GameB - 'B'
3. 玩两个游戏 - 'Hybrid'

我想使用这个新列来查看他们的游戏行为随时间的变化，以及计算每个组中的玩家数量，看看他们是如何变化的。

每个玩家的时间序列非常不规则。玩家可以每天玩多种类型的游戏，或者几个月不玩任何游戏。每个玩家的时间序列是不规则的，因此只有在玩家玩游戏时才会创建记录，因此我希望解决方案可能会使用类似以下的过滤器：

interval(current_date, current_date - new_period(days=30)（使用润滑脂）。

这是一个示例数据集。请记住，这是简化并测试滚动 1 天的更改，因此之前检查记录的简单方法实际上不起作用。 如果你能做出更好的数据集，请指教，我会编辑这篇文章。

p <- c( 1,   1,   1,   2,   2,   2,   6,   6,   6)

g <- c('A', 'B', 'B', 'A', 'B', 'A', 'A', 'B', 'B')

d <- seq(as.Date('2014-10-01'), as.Date('2014-10-9'), by=1)

df <- data.frame(player_id = p, date = d, games = g)

作为我需要的输出：

 player_id       date games   type
1         1 2014-10-01     A      A (OR NA)
2         1 2014-10-02     B Hybrid
3         1 2014-10-03     B      B
4         2 2014-10-04     A      A (OR NA)
5         2 2014-10-05     B Hybrid
6         2 2014-10-06     A Hybrid
7         6 2014-10-07     A      A (OR NA)
8         6 2014-10-08     B Hybrid
9         6 2014-10-09     B      B

解决方案应该类似于，apply 通过列，并应用一个检查 30 天时间的函数，以及一个 ifelse() 语句来查看他们玩了哪些游戏。

这是一个非常相似的帖子 - 应该有助于解决这个问题。 How do I do a conditional sum which only looks between certain date criteria

我也使用 dplyr 探索了rowwise() 和有条件的mutates()，但问题是我的历史时间组件。

感谢大家的帮助！我不能感谢这个论坛。我会经常回来查看的。

Answer 1

假设我理解正确，这是使用foverlaps() 函数的data.table 方式。

创建dt并设置key如下图：

dt <- data.table(player_id = p, games = g, date = d, end_date = d)
setkey(dt, player_id, date, end_date)

hybrid_index <- function(dt, roll_days) {
    ivals = copy(dt)[, date := date-roll_days]
    olaps = foverlaps(ivals, dt, type="any", which=TRUE)
    olaps[, val := dt$games[xid] != dt$games[yid]]
    olaps[, any(val), by=xid][(V1), xid]
}

我们创建一个虚拟 data.table ivals（用于间隔），并且为每一行指定 start 和 end 日期。请注意，通过将 end_date 指定为与​​ dt$end_date 相同，我们肯定会有一个匹配项（这是故意的） - 这将为您提供您要求的非 NA 版本。

[这里有一些小的改动，你可以得到NA 版本，但我会留给你（假设这个答案是正确的）。]

这样，我们只需找到ivals 与dt 重叠的范围，对于每个 player_id。我们得到匹配的索引。从那里开始很简单。如果玩家的游戏是非同质的，那么我们从hybrid_index返回dt的对应索引。我们将这些索引替换为“混合”。

# roll days = 1L
dt[, type := games][hybrid_index(dt, 1L), type := "hybrid"]
#    player_id games       date   end_date   type
# 1:         1     A 2014-10-01 2014-10-01      A
# 2:         1     B 2014-10-02 2014-10-02 hybrid
# 3:         1     B 2014-10-03 2014-10-03      B
# 4:         2     A 2014-10-04 2014-10-04      A
# 5:         2     B 2014-10-05 2014-10-05 hybrid
# 6:         2     A 2014-10-06 2014-10-06 hybrid
# 7:         6     A 2014-10-07 2014-10-07      A
# 8:         6     B 2014-10-08 2014-10-08 hybrid
# 9:         6     B 2014-10-09 2014-10-09      B

# roll days = 2L
dt[, type := games][hybrid_index(dt, 2L), type := "hybrid"]
#    player_id games       date   end_date   type
# 1:         1     A 2014-10-01 2014-10-01      A
# 2:         1     B 2014-10-02 2014-10-02 hybrid
# 3:         1     B 2014-10-03 2014-10-03 hybrid
# 4:         2     A 2014-10-04 2014-10-04      A
# 5:         2     B 2014-10-05 2014-10-05 hybrid
# 6:         2     A 2014-10-06 2014-10-06 hybrid
# 7:         6     A 2014-10-07 2014-10-07      A
# 8:         6     B 2014-10-08 2014-10-08 hybrid
# 9:         6     B 2014-10-09 2014-10-09 hybrid

为了清楚地说明这个想法，我创建了一个函数并在函数内部复制了dt。但是您可以避免这种情况，将ivals 中的日期直接添加到dt，并在foverlaps() 中使用by.x 和by.y 参数。请看?foverlaps。